had.co.nz

et voici la #heatmap des pays dont on parle dans #seenthis : j’ai utilisé les tags automatiques (opencalais), j’ai demandé à ggmap de les géocoder, et ensuite de les grapher (la taille et l’échelle de couleur correspondent au log4 du nombre de fois où un pays est taggué : 8000 pour le plus gros).

https://dl.dropbox.com/s/5fogzavvm7jl0d9/seenthis-heatmap.jpg?x

la recette :

i$geo <- lapply(as.character(i$country), geocode)
i$log <- log(i$c)/2
world <- qmap(’nigeria’, zoom=2)
world + geom_point(aes(colour = log, size=log), data=i)

J’en conclue que les contributeurs de seenthis sont assez universels, outre le fait qu’ils parlent de « tout », ils parlent de « partout » :)

ne te réjouis pas trop, il suffit d’une mention pour faire un point ; il y en a 8000 sur la France, 944 sur le Liban, et 4 sur la Gambie — j’ai mis un log pour bien voir et faire joli

Si quelqu’un veut jouer, voici les données :
▻https://www.dropbox.com/s/p3popo9k0t7e496/seenthis-countries.csv

Tu penses à quelqu’un en particulier ? ;-D
(téléchargé !)

ça mérite un seen à part ça ! #seenthis_c_est_bon_mangez_en

ok, g telechargé le fichier. c quelle api qui détermine l’origine géographique des requêtes ?

opencalais « trouve » les lieux, geocode les positionne sur la carte

Si ça t’intéresse j’ai rédigé une intro en français sur #R, c’est dispo là :

►http://alea.fr.eu.org/pages/intro-R

#shameless_autopromo

Ah, et comme environnement de travail, #Rstudio devient de plus en plus un incontournable (je résiste encore avec mon Emacs, mais c’est pas dit que je craque bientôt) :

►http://rstudio.org

Miam miam, je vais lorgner tout cela (même si je ne suis pas un sociologue (ou assimilé).
Une intro, dis-tu, mais de 139 pages quand même ;-)
Merci.

Alors en fait, dans sociologue (ou assimilé) il faut surtout lire « qui ne panne pas grand chose en informatique ». :-)

Sans indiscrétion, c’est pour quel type d’usage que tu te mets à R ?

Je ne fais rien de bien compliqué mais je n’ai pas trouvé comment faire des zolis histogrammes sous excel ...

Pour les graphiques sous #R il y a une extension qui tend à s’imposer c’est #ggplot2 :

►http://had.co.nz/ggplot2

Pour des histogrammes ça permet de faire des trucs de ce genre :

►http://had.co.nz/ggplot2/geom_histogram.html

Par contre ça nécessite là aussi un petit investissement en temps d’apprentissage, donc c’est peut-être un peu « overkill » selon l’usage que tu veux en faire.

Bon courage pour la découverte du logiciel et du langage en tous cas !

c’est dommage qu’un projet comme R se présente encore sous forme d’un concurrent à un logiciel non-libre dont on n’a jamais entendu parler :

similar to the S language and environment which was developed at Bell Laboratories (formerly AT&T, now Lucent Technologies) by John Chambers and colleagues. R can be considered as a different implementation of S. There are some important differences, but much code written for S runs unaltered under R.

Et sinon, ça donne envie d’apprendre à l’utiliser.

Oui, tu as raison @fil, d’autant que R a commencé son développement il y a 20 ans, et que si S était peut-être connu à l’époque il semble qu’il a quasi-complètement sombré dans l’oubli désormais.

Et je confirme, ça vaut vraiment le coup d’apprendre à l’utiliser si on n’est pas trop réfractaire à la programmation et qu’on a des données à manipuler et à analyser. La grande force de R ce sont ses 3500 extensions qui permettent de faire à peu près tout ce qu’on peut souhaiter.

Et R est de plus en plus populaire, le nombre d’extensions croît exponentiellement :

►http://blog.revolutionanalytics.com/2010/01/rs-exponential-package-growth-ctd.html

Et il a récemment fait son entrée dans un « Top 20 » des langages de programmation (même si ce genre de trucs ne vaut pas forcément grand chose) :

►http://www.tiobe.com/index.php/content/paperinfo/tpci/index.html

@julien on organise un workshop ?

Pourquoi pas ? Faudrait juste voir dans quel cadre, avec quels objectifs, etc., mais ça pourrait être intéressant.